登录社区云，与社区用户共同成长
邀请您加入社区
2026年AI行业已进入深度应用阶段，本文通过MonkeyCode平台实践五大技术热点：1）推理模型实现"先想后做"的智能决策；2）多模态技术让AI直接解析草图生成可运行页面；3）RAG检索增强解决大模型幻觉问题，基于真实数据生成答案；4）MCP协议统一AI工具连接标准，实现真实环境操作；5）上下文工程让AI具备持续记忆能力。这些技术推动AI从"会聊天"到"会干活"的质变，全部流程仅需浏览器即可完
¥57 的 ESP32 开发板刷 xiaozhi-esp32 固件，即可变成大模型语音助手：支持语音对话，并通过 MCP 协议控制灯、舵机等硬件，大模型走免费的 Qwen 实时接口。本文涵盖项目定位、硬件选型对比、刷固件与配网步骤、MCP 工具注册核心代码，以及 Flash 容量、离线唤醒、新版回归等常见踩坑。
为 DeepSeek Harness 写的三款开源插件：对话回退、改前 diff 审批、Enter/Esc 快捷键，把 Claude Code 的体验搬进 dsh，已入选精选列表。
更准确的定位是一组。UI PolishAnimation并不是需要运行数据库或 Web 后端的传统项目。如果只是个人使用，直接本地安装即可；如果平时已经使用 Claude Code、Codex 等工具搭建远程 AI Coding 环境，也可以把它作为工具链的一部分安装到 Linux 服务器。莱卡云可以作为这种远程开发环境的一个候选，用来承载 Git、Node.js、Coding Agent、Doc
不得了！使用 DeepSeek V4 Flash 进行自我验证，竟然能在 Terminal-Bench 2.1 上表现超越 Claude Fable 5，而其成本则低了 11 倍。怎么做到的？这就是斯坦福，加州大学伯克利分校和英伟达研究院刚刚开源的 LLM-as-a-Verifier。
很多新手在第一次打开 Harness 后就关掉了，理由是「不如 Claude Code 好用」。这个判断没错，但结论下早了。Harness 的价值不在「打开那一刻」，而在你用它组装出第二个、第三个自己的 Agent之后。打个比方：Claude Code 像叫外卖——快、省事、味道稳定，但你永远吃不到菜单之外的东西；Harness 像给了你一整个厨房——第一顿饭确实做得慢、做得丑，但从此你想吃什么都
很多人第一眼会把它当成「DeepSeek 版的 Claude Code」或者「DeepSeek 版的 Codex」。这个类比对了一半，错了一半。DeepSeek Harness 官方给出的定位，浓缩成一句话就是：模型负责「理解」和「推理」，Harness 负责把能力落到真实环境里——调用工具、操作终端、读写文件、管理上下文、调度任务、分配子智能体，最终把活干完、交付。换句话说，模型是「大脑」，Ha
比 mattpocock/skills 更重的一套 Agent 方法论，核心是 SDD（子代理驱动开发）：把大活拆给控制器、实现者、审查者三个角色，控制器派活、实现者干活、审查者收口，还带五轮熔断器防止 Agent 死循环。它不是海投器，是过滤器：用 A-F 六个维度给职位打分，低于 4.0 分的直接劝你别投，然后自动生成 ATS 优化的简历 PDF、写求职信、追踪申请进度。一个有意思的设计是它把
AI写作助手是一个基于 PyQt6 的本地桌面应用，定位是"小说写作领域的 Claude Code"。多智能体协作：12个专业智能体（大纲师、码字工、督察、评论家等）RAG 记忆系统：7个记忆模块 + ChromaDB 向量检索工具调用：16个本地工具 + 6个MCP服务（100工具）本地部署：数据全在本地，不上传云端开源地址：https://github.com/Aurirlk/AI_novel
桌面版提供了任务看板，可以将 AI 编程任务进行统一管理。待规划待办进行中已完成已失败还支持通过 cron 配置定时执行任务。每天 23:00 自动执行某个任务每周一 09:00 自动生成周报任务执行后，状态会自动回写。如果你正在寻找一个Windows 下开箱即用的 DeepSeek Harness 桌面客户端，这个项目可以关注一下。AI 编程Skills插件市场Git 图谱Task BoardS
如果你已经在用 Codex，可以试着别只把它当成一个写代码工具。Skill 装多以后，它其实挺像一个自己慢慢搭起来的科研工作台。想省事，就用现成的。有特别想研究的学者，就自己蒸馏。两种方法并不冲突。本文配套skill安装包和使用手册相关资料⬇️免费发给你。点击跳转。
更准确的定位不是传统知识库，也不是普通 PDF 摘要工具，而是一个**“文档 → Agent Skill 编译器”**。核心框架章节术语PatternCheatsheet之后由 Claude Code、Copilot CLI、Amp 等 Agent 按需读取。如果只是偶尔转换一本书，本地电脑已经足够；如果希望长期保存大量 Skill、远程运行 Agent，或者把项目文档和技术资料统一放进开发工作流
我发现里面有很多概念有些小伙伴有点分不清楚，比如：Prompt、Agent、Function Call、Skill、MCP等。
Brad Bonanno 出品的 Claude Code 技能插件，通过 /watch 命令让 Claude 分析任意视频。7 步流水线：yt-dlp 下载→ffmpeg 提取帧→Whisper 转录→送入 Claude 上下文。字幕优先优化（有字幕直接用，零下载）、16×16 缩略图 MAD 算法帧去重、按视频时长自动调整帧预算。
Qwen3.8-27B是阿里开源的270亿参数原生多模态Dense模型，支持图像、视频理解及262K原生上下文。通过4-bit量化技术，参数权重显存从54GB压至13.5GB，加运行时开销总占17GB，可在24GB消费级显卡运行。性能指标超越Claude Opus 4.6 Max，SWE-bench Pro 61.7分vs53.4分。混合注意力机制结合Gated DeltaNet突破长序列瓶颈，r
当视频模型越来越多，真正稀缺的开始变成能把研究、脚本、素材、后期和交付串起来的系统。OpenMontage没有承诺按一下按钮就得到电影，它做的是更现实的事：把一条视频生产线写成Agent能够阅读、执行、暂停、复盘和扩展的开放协议。对已经在使用Codex或Claude Code的创作者来说，它值得安装测试；最合适的第一步不是挑战电影预告，而是选一条60秒科普、产品演示或真实素材蒙太奇，从方案审批、成
最近 DeepSeek 开源了一个叫 Harness 的 Agent 运行框架，命令名是 dsh，上线一天 GitHub 星标就冲到了十万级别。但它到底是个啥，和我们平时用的 Claude Code、Codex 又有什么不一样？
搜索 "retrieval augmented generation" 的 4 篇最新论文，对比它们的摘要，然后用中文总结该方向的研究热点。理解问题↓调用 arxiv_search↓获取多篇论文↓读取论文信息↓对比摘要↓归纳研究热点↓生成中文结论也就是说，这个插件不只是给 Harness 多塞了一个 API。它相当于给 Agent增加了一种新的外部能力。最后，Harness 根据检索到的论文进行了
Qwen3.8-27B 是消费级硬件上目前最值得试的 Agent 模型:27B 稠密、原生多模态、262K 上下文、MTP 加速,官方 benchmark 在编程与 Agent 任务上反超 Claude Opus 4.6 Max(同一代想要更大规模,还有上周开源的 2.4T-A95B MoE 可选,OpenRouter 已能调用)。但它的出厂默认参数是个陷阱——xhigh 思考档位会让简单任务慢到
